ALTERNATIF METODA PENJADWALAN PROYEK KONSTRUKSI MENGGUNAKAN TEORI SET SAMAR

Dimensi Teknik Sipil, Vol. 3, No. 1, Maret 2001, 1-8 ISSN 1410-9530

ALTERNATIF METODA PENJADWALAN PROYEK KONSTRUKSI MENGGUNAKAN TEORI SET SAMAR Andreas Wibowo Pusat Penelitian dan Pengembangan Pemukiman, Teknologi Permukiman Balitbang Permukiman dan Pengembangan Wilayah – Departemen Permukiman dan Pengembangan Wilayah

ABSTRAK Program Evaluation Review Technique (PERT) merupakan suatu metoda penjadwalan dengan menimbang durasi aktivitas yang bersifat tidak pasti. PERT mengasumsikan fungsi kerapatan probabilitas durasi aktivitas mengikuti distribusi beta. Analisis dalam PERT disederhanakan dengan menggunakan nilai-nilai tertentu parameter distribusi beta. Penentuan jalur kritis hanya menimbang mean durasi untuk menentukan jalur kritis, dan probabilitas total durasi didapatkan berdasarkan jalur kritis saja. Beberapa kasus menunjukkan penyederhanaan ini menimbulkan galat dan kontradiksi. Tulisan ini mengusulkan metoda penjadwalan alternatif yang juga menimbang durasi yang bersifat tidak pasti. Metoda ini, yang dinamakan Fuzzy Logic Application for Scheduling (FLASH), menerapkan teori set samar sebagai satu cara untuk memodelkan ketidakpastian yang muncul dari fenomena mental yang bukan bersifat acak maupun stokastik. FLASH tidak mensyaratkan data statistis tetapi hanya pengamatan secara kualitatif. FLASH mempertimbangkan semua jalur, tidak hanya jalur kritis saja seperti PERT, untuk menganalisis posibilitas suatu total durasi yang diharapkan. Kata kunci: metoda penjadwalan, FLASH, PERT, probabilitas, posiblitas, set samar.

ABSTRACT Program Evaluation Review Technique (PERT) is a scheduling method that consider the uncertainty of the duration of an activity. It assumes a probability density function with a beta distribution. PERT simplifies the analysis using specific values of parameters of beta distribution. The analysis of critical paths consider the mean of the duration only and the probability of the expected total duration are based on critical paths only. Some cases showed that these simplifications cause errors and contradictions. This paper proposes an alternative scheduling method that also allows uncertainties of duration. The method, named Fuzzy Logic Application for Scheduling (FLASH), applies a fuzzy set theory which is a perfect means for modeling uncertainties arising from mental phenomena which are neither random nor stochastic. It does not require statistical data but needs qualitative observations. Unlike PERT, FLASH considers all paths, not only critical path(s), to analyze the possibility of an expected total duration. Keywords: scheduling method, FLASH, PERT, probability, possibility, fuzzy set. nique (GERT), Linear Scheduling Method (LSM), dll. Dipandang dari karakteristik durasi aktivitasnya, masing-masing metoda mempunyai asumsi yang berbeda. Gantt Chart, CPM, dan PDM mengasumsikan durasi aktivitas bersifat pasti sementara PERT dan GERT tidak pasti.

PENDAHULUAN Dalam manajemen proyek kontruksi ada beberapa metoda penjadwalan yang biasa digunakan seperti Gantt Chart, Precedence Diagram Method (PDM), Critical Path Method (CPM), Program Evaluation Review Technique (PERT), Graphical Evaluation Review Tech-

Sebuah proyek konstruksi dengan segala sifat dan karakteristiknya yang sangat unik, mempunyai hubungan antar aktivitas yang kompleks dan ketergantungan yang tinggi terhadap kondisi internal dan ekternal sehingga durasi

Catatan: Diskusi untuk makalah ini diterima sebelum tanggal 1 Juni 2001. Diskusi yang layak muat akan diterbitkan pada Dimensi Teknik Sipil Volume 3, Nomor 2 September 2001.

1

Dimensi Teknik Sipil ISSN 1410-9530 print © 2001 Universitas Kristen Petra http://puslit.petra.ac.id/journals/civil

A.Wibowo / Metoda Penjadwalan Proyek Konstruksi Menggunakan Teori Set Samar, Vol. 3, No. 1, Maret 2001, Hal. 1 - 8

aktivitas mempunyai tingkat ketidakpastian yang tinggi. Dalam kondisi ini, metoda penjadwalan seperti PERT atau GERT-lah yang tepat diterapkan. Dalam PERT, durasi aktivitas diasumsikan mengikuti distribusi beta yang disederhanakan. Durasi dinyatakan dalam tiga nilai yang berbeda: optimistik, most likely, dan pesimistik. Namun, ada beberapa kelemahan yang dimiliki PERT: a. Bila jumlah aktivitas dalam jalur kritis kurang daripada 30, deviasi terhadap normalitas akan terjadi. b. Ada beberapa kesalahan yang muncul akibat simplifikasi nilai mean dan varians distribusi beta terhadap nilai eksak dari fungsi kerapatan beta yang asli. Kesalahan akibat simplifikasi berkisar antara 17% dan 33% [1]. c. PERT hanya mempertimbangkan mean durasi untuk menentukan total durasi dan mengabaikan keberadaan varians yang bisa mengakibatkan kesalahan penentuan probabilitas waktu penyelesaian. Dalam beberapa kasus asumsi ini mengakibatkan suatu kontradiksi.

(atau ketidaktepatan) yang muncul dari fenomena psikologis yang bukan bersifat acak maupun stokastik [2, 3]. d. Waktu penyelesaian proyek dinyatakan dalam bilangan samar (fuzzy number) dengan rentang yang mencakup nilai yang paling mungkin (most possible) dari waktu penyelesaian proyek. Nilai ini akan mempunyai derajat keanggotaan tertinggi, yaitu 1.0. Nilai-nilai selain nilai ini mempunyai derajat keanggotaan yang lebih rendah. e. Dalam PERT, probabilitas 100% akan terjadi bila waktu penyelesaian adalah tidak terhingga (T → ∞) semantara dalam FLASH, posibilitas 100% akan terjadi pada waktu penyelesaian yang paling mungkin.

TEORI SET SAMAR Teori Set Samar [2, 3] ditujukan untuk menyelesaikan permasalahan di mana deskrips aktivitas dan pengamatan bersifat tidak tepat (imprecise), samar-samar (vague), dan tidak pasti (uncertain). Terminologi ‘samar’ mengacu pada suatu situasi di mana tidak ada batasbatas yang jelas dalam suatu set aktivitas atau pengamatan. Teori ini memperkenalkan fungsi keanggotaan (membership function) yang digunakan untuk menilai derajat keanggotaan (grade of membership) dari suatu objek dalam setiap set samar [2]. Derajat keanggotaan dinyatakan dalam rentang antara 0 dan 1. Bila derajat keanggotan suatu objek bernilai 1.0 berarti secara absolut objek tersebut berada dalam set dan bila bernilai 0 berarti objek tersebut secara absolut berada di luar set. Derajat keanggotan selain 0 dan 1 merepresentasikan kondisi antara (intermediate conditions).

Selain kelemahan tersebut, ada hal yang perlu diperhatikan menyangkut ketersediaan data lapangan. Nilai-nilai optimistik, most likely, dan pesimistik diperoleh melalui analisis stastistik dengan menetapkan persentil 5 dan 95 (atau 2 dan 98) dari populasi data. Hal ini hanya mungkin bila data lengkap tersedia. Kenyataan yang sering terjadi, data lapangan dalam kondisi yang memprihatinkan baik dari sisi kuantitas maupun kualitasnya, sehingga analisis stastistis tidak dapat diterapkan terhadap data tersebut. Tulisan ini mengusulkan sebuah alternatif metoda penjadwalan dengan tetap mengakomodasi ketidakpastian durasi yang diberi nama metoda Fuzzy Logic Application for Scheduling (FLASH). Metoda ini berbeda dengan PERT dalam menganalisis durasi total proyek dan karakteristik durasi aktivitas: a. FLASH menggunakan terminologi posibilitas daripada probabilitas untuk mengekspresikan ketidakpastian. Hal ini membuat FLASH lebih ‘terbuka’ dibandingkan PERT dalam hal ketidakpastian. b. FLASH menganalisis semua jalur untuk menghasilkan posibilitas suatu total durasi proyek yang diharapkan. c. Sehubungan dengan terminologi posibilitas, FLASH menggunakan teori Set Samar (Fuzzy Set Theory) yang merupakan cara tepat untuk memodelkan ketidakpastian

Bila A adalah sebuah set samar yang dituliskan sebagai A = {(x,µA(x), x ∈ U)} di mana U adalah sebuah set ordinary dari objek maka U={x}. Untuk sebuah set ordinary, A,

⎧1, bila x ∈ A, ⎩0, bila x ∉ A.

µA(x) = ⎨

(1)

Sebagai contoh, bila U = {bilangan nyata positif} yang merupakan set tak hingga dan A = ‘bilangan-bilangan nyata yang dekat ke 10’, maka fungsi keanggotaan A didefinisikan sebagai {(x,µA(x)}. Misal, µA(x) = 1/{1 + [1/5(x 10)]2} (Gambar 1). Secara jelas terlihat bahwa semakin jauh suatu bilangan ke 10 akan semakin rendah pula derajat keanggotaannya. Nilai 10 mempunyai derajat keanggotaan

2


Bilangan Samar (Fuzzy Number)

tertinggi, 1.0 sementara derajat keanggotan dari 2 dan 16 adalah 0 yang merepresentasikan bahwa bilangan-bilangan tersebut secara absolut tidak berada dalam set ‘bilanganbilangan nyata yang dekat ke 10’ yang telah didefinisikan.

Terminologi bilangan samar digunakan untuk mengakomodasi kuantitas numerik yang tidak tepat. Ada beberapa tipe khusus bilangan samar seperti L-R dan bilangan samar segitiga atau trapezoidal. a. Bilangan Samar L-R Sebuah bilangan samar disebut L-R bila:

KONSEP DASAR SET SAMAR

(m − x ) / α, x ≤ m, α > 0 µ(x) = ⎧⎨ ⎩(x - m)/β, x ≥ m, β > 0

Konveksitas Set Samar Sebuah set samar A disebut konveks bila: µA(λx1 + (1-λ)x2) ≥ min (µA(x1), µA(x2)) dimana x1, x2 ∈ U and λ ∈ [0,1]. Contoh-contoh set samar konveks dan non-konveks diberikan dalam Gambar 2.

Di mana m adalah ‘mean’ bilangan samar sementara α dan β adalah ‘penyebaran’ ke kiri dan kanan. Bila α=β=0, bilangan tersebut dianggap sebagai bilangan nyata. Persamaan (2) sering dituliskan kembali sebagai (m,α,β) atau bila puncaknya tidak unik ditulis (m1,m2, α,β). Bilangan Samar LR diilustrasikan dalam Gambar 3.

µ(x)

1

(2)

bilangan nyata dekat ke 10

bilangan nyata tidak dekat ke 10

µ(x) 1 0

1 2 3

4

5 6 7

8 9 10 11 12 13 14 15 16

x

Gambar 1. Set Samar ‘bilangan nyata dekat ke 10’ µ(x)

konveks

α m

non konveks

1

β

α m1 m2 β

Gambar 3 Bilangan Samar L-R b. Bilangan Samar Segitiga (atau Trapezoidal) Sebuah bilangan samar segitiga didefinisikan sebagai:

0

⎧0, x ≤ l, ⎪(x - l) / (m - l), l < x ≤ m, ⎪ µ(x) = ⎨ ⎪(u - x) / (u - m), m < x ≤ u, ⎪⎩0, x > u

x

Gambar 2. Set Samar Konveks dan Non-konveks Normalitas Set Samar Sebuah set samar A disebut normal jika dan hanya jika ada satu atau lebih x sedemikian sehingga µA(x’) =1. Sifat ini menjamin bahwa sedikitnya adalah satu anggota set samar memenuhi fenomena di mana set samar akan diterapkan.

(3)

di mana u adalah nilai batas atas, l batas bawah, dan m adalah nilai paling mungkin. Suatu bilangan samar segitiga sering dituliskan (l,m,u). Bila terdapat puncak ganda, bilangan tersebut dituliskan sebagai (a,b,c,d) dengan [b,c] adalah interval nilainilai paling mungkin. Bilangan samar segitiga, M dan trapezoidal M’ diilustrasikan dalam Gambar 4.

α-cut dari Set Samar α-cut dari set samar adalah sebuah set ordinary yang anggota set samar A sekurang-kurangnya mempunyai derajat α. Karena itu, α-cut didefinisikan sebagai: Aα = {x ∈ U | µA(x) ≥ α}. α-cut merupakan kasus umum dari sebuah set samar. Bila α = 0, Aα = S (A)

3


µ(x)

M

µ(x

M'

M

1

1

M(+)

N

α

l

m

u

a b

c

0

d

m

m n

n z

z

x

Gambar 5 Penjumlahan Dua Bilangan Samar

Gambar 4 Bilangan Samar Segitiga / Trapezoidal Operasi Aljabar Bilangan Samar

Posibilitas dan Probabilitas

Operasi aljabar bilangan samar meliputi penjumlahan, pengurangan, pengalian, dan pembagian. Karena FLASH berkaitan dengan penjumlahan dan pengurangan saja maka hanya operasi-operasi inilah yang dituliskan di sini. a. Penjumlahan bilangan samar Penjumlahan bilangan samar M dan N dapat dilakukan dengan dua cara.

FLASH menerapkan terminologi posibilitas bukan probabilitas dalam menyatakan ketidakpastian. Ada beberapa perbedaan antara keduanya walaupun mempunyai rentang semesta yang sama yaitu antara 0 dan 1: a. Probabilitas erat kaitannya dengan data historis dan analisis statistik. Posibilitas diperoleh berdasarkan pengamatan-pengamatan yang mungkin tidak akurat, tidak tepat, subjektif, dan intuitif tetapi masih dalam pertimbangan logis. Ketidaktepatan muncul dari beberapa sumber yaitu tidak dapat dikuantifikasikan, tidak lengkap, tidak dapat diperoleh, atau ada sebagian informasi yang terabaikan. b. Posibilitas tinggi tidak berarti probabilitasnya tinggi. Ini terjadi karena probabilitas didasarkan pada sampling acak di mana terjadinya suatu sampel mempunyai peranan penting. Di lain pihak, posibilitas tidak mendasarkan analisisnya pada data statistik tetapi lebih kepada pertimbangan logis semata. c. Dalam teori set samar, posibilitas dinyatakan dalam πx sementara probabilitas dalam P(x). Fungsi kerapatan posibi-litas adalah sama dengan fungsi keanggotaannya (µx) atau πx ≅ µx [4].

Pertama, menggunakan α-cut. Tentukan set level α dari M dan N menggunakan interval kepercayaan (derajat keanggotaan) sebagai Mα = [m1,m2] dan Nα = [n1,n2]. Penjumlahan M dan N dapat dituliskan kembali sebagai: Mα (+) Nα = [m1+n1,m2+n2]

(4)

Penjumlahan dua bilangan samar secara grafis dipresentasikan dalam Gambar 5. Untuk mendapatkan level α dari Mα(+)Nα, inversikan m1 menjadi µ-1M(α) sehingga µM(m1) = α. Demikian pula untuk m2,n1, and n2. Karena itu, persamaan (4) dapat dituliskan kembali menjadi: Mα (+) Nα = Z [z1(α),z2(α)] = [µ-1M1(α)+µ-1N1(α),µ-1M2(α)+µ-1N2(α)]

(5)

sedemikian sehingga α = µ-1(z1) = µ-1(z2). Kedua, menggunakan Max-min convolution Bila x,y,z ∈ R maka penjumlahan M dan N dihitung menggunakan: µMα (+) µNα (z) = max (µMα(x) ∧ µNα(y)) z=x + y

FLASH FLASH pada dasarnya sama dengan CPM dalam hal activity on arrow (AOA) diagram dan perhitungannya kecuali karakteristik durasinya. Durasi aktivitas i-j dinyatakan dalam tiga nilai berbeda: batas bawah, paling mungkin, dan batas atas. Karena FLASH mengasumsikan durasi aktivitas dinyatakan dalam bilangan samar segitiga, ketiga nilai tersebut merupakan nilai l, m, dan u atau Di-j(l,m,u). Untuk node i, Early start (Ei), dan latest start (Li) merupakan bilangan samar juga tetapi tidak harus selalu bilangan samar segitiga.

(6)

b. Pengurangan Bilangan Samar Pengurangan bilangan samar dapat dilakukan menggunakan α-cut atau max-min convolution sebagaimana dijelaskan di depan dengan mengubah N menjadi –N sehingga: Mα (-) Nα = [m1- n1,m2-n2]

(7)

µMα (-) µNα (z) = max (µMα(x) ∧ µNα(y))

(8)

z=x −y

4


Perhitungan Maju

µM(∧)N(z) = max [µM(x) ∧ µN(y))

(15)

i

Perhitungan maju adalah perhitungan yang dimulai dari node ‘start’ dan bergerak ke ‘end’ yang didefinisikan sebagai: Ej = max {Ei+Dij}

Fuzzy Min dari dua bilangan samar, P dan Q secara grafis diperlihatkan pada Gambar 7. Persamaan (13) dapat dituliskan kembali untuk menentukan fungsi keanggotaan Li : (16) µLi = min {µ Lj – Dij}

(9)

i

untuk semua aktivitas yang didefinisikan (i,j) di mana: Ei : early start node i (dalam bilangan samar) Ej : early start node j (dalam bilangan samar) Dij : durasi aktivitas i-j (dalam bilangan samar segitiga)

j

µ(x)

(10)

µM(∨)N (z) = max (µM(x) ∧µN(y))

(11)

z=x∨ y

Gambar 6. Contoh Fuzzy Max

µ(x) 1

Q

x Gambar 7. Contoh Fuzzy Min Waktu Ambang (Floats) Ada tiga tipe waktu ambang, waktu ambang total (TF), bebas (FF), dan independen (IF). TF suatu aktivitas adalah jumlah unit waktu aktivitas yang dapat diundurkan tanpa berpengaruh pada waktu penyelesaian total proyek. FF adalah jumlah unit waktu aktivitas yang dapat diundurkan tanpa berpengaruh pada ambang total aktivitas sesudahnya, sementara IF adalah jumlah unit waktu aktivitas yang dapat diundurkan tanpa mempengaruhi TF dari aktivitas suksesor dan predesesor.

(12)

i

Perhitungan Mundur Perhitungan mundur menghitung dari node ‘end’ dan bergerak ke node ‘start’. Ini digunakan untuk menentukan latest start node i di mana: Li = min {Lj – Dij} untuk semua aktivitas i,j (13) j

Sama halnya dengan perhitungan maju, bila terdapat hanya satu suksesor, Li menjadi pengurangan antara dua bilangan samar, Lj dan Dij. Baik persamaan (7) atau (8) dapat digunakan menyelesaikan perhitungan. Namun demikian bila terdapat lebih dari satu suksesor (divergen), hal ini membutuhkan perbandingan antar-bilangan samar untuk menentukan bilangan samar yang paling minimum. Pada kasus ini, Fuzzy Min bisa diterapkan. Fuzzy Min merupakan operasi dual yang berkaitan dengan irisan (intersection) dan didefinisikan sebagai: Mα (∧) Nα = [m1∧n1, m2∧n2] atau

P

fuzzy

Secara grafis, Fuzzy Max dipresentasikan dalam Gambar 6. Persamaan (9) dapat dituliskan kembali untuk mendefinisikan derajat keanggotan Ej: µEj = max {µEi+Dij}

Q fuzzy

Pada hubungan seri, hanya ada satu aktivitas predesesor, persamaan (9) merupakan penjumlahan antara dua bilangan samar. Masalah akan muncul apabila jumlah aktivitas predesesor lebih dari satu (konvergen), artinya ada beberapa bilangan samar yang harus dibandingkan untuk menentukan bilangan yang paling maksimum. Hwang [1] merumuskan suatu operasi yang disebut Fuzzy Max yang merupakan operasi dual dari dua atau lebih bilangan samar. Fuzzy Max didefinisikan sebagai: Mα(∨) Nα = [m1∨ n1, m2∨ n2], atau

P

1

TFij = Lj – Ei – Dij FFij = Ej – Ei – Dij IFij = Ej – Li – Dij

(17)

Karena Ei, Ej, Li, and Dij adalah bilangan samar maka TF, FF dan IF juga merupakan bilangan samar pula. STUDI KASUS Studi kasus diambil dari Gambar 8 dengan informasi ditabulasikan dalam Tabel 1.

(14)

5


Dengan cara yang sama E5, E3, E4, E7, E8 dapat diperoleh beserta fungsi keanggotaan masingmasing. Secara grafis, nilai-nilai ini disajikan dalam Gambar 9 dan 10

Tabel 1 Studi Kasus

1 2 3 4 5 6 7 8 9 10 11

Aktivitas A B C D E F G H I J K

i

j

Durasi

1 1 1 2 3 4 5 7 6 8 9

2 3 4 5 6 7 6 8 9 9 10

D12(2,4,7) D13(4,5,6) D14(2,3,9) D25(2,3,8) D36(3,6,7) D47(2,4,9) D56(1,2,5) D78(2,2,8) D69(7,8,9) D89(2,6,10) D910(5,6,7)

Ketergantungan A B C D F G,E H I,J

1 0.9 0.8 0.7 U(Day)

No

0.6

E1

0.5

E2

0.4 0.3 0.2 0.1 0 0

1

2

3

4

5

6

7

8

i-th Day

Gambar 9 Bilangan Samar dari E1 and E2 A 2,4,7

2

D

5

2,3,8

1

G 1,2,5

0.9 0.8

B 4,5,6

3

E 3,6,7

6

I 7,8,9

9

K 5,6,7

10

u(i-th day)

1

0.7

E3

0.6

E4

0.5

E5

0.4

E7 E8

0.3

C 2,3,9

4

F 2,4,9

7

H 2,2,8

0.2

8

0.1 0 0

Gambar 8. Studi Kasus

5

10

15

20

25

30

i-th day

Bila E1 = 0 (waktu mulai proyek), E2 dihitung berdasarkan persamaan (9) yaitu E2 = E1 + D12(2,4,7). Fungsi keanggotaan E1 adalah sebuah bilangan samar L-R dengan α=β=0 sehingga E1(0,0,0). Menggunakan persamaan (8), fungsi keanggotan E1 didefinisikan sebagai:

Gambar 10 Bilangan Samar E3,E4,E5,E7,E8 Karena ada dua aktivitas yang berakhir pada node 6 yaitu aktivitas 5-6 dan 3-6, E6 menjadi max(E5+D56,E3+D36) di mana E5+D56 = (4α+9,2011α) dan E3+D36 =(4α+7,13-2α). Oleh karena itu, E6 = max (4α+9 ∨ 4α+7,20-11α ∨ 13-2α). Berubahnya nilai α akan diperoleh hasil yang berbeda yaitu: 0≤α≤0.78, E5+D56 ∨ E3+D36 = (4α+7,20-11α) 0.78≤α≤1.0, E5+D56 ∨ E3+D36 = (4α+7,13-2α). Fungsi keanggotaannya adalah

⎧0, x ≤ 2 ⎪(x - 2)/2, 2 < x ≤ 4 ⎪ µE1(x) = ⎨ ⎪(7 - x)/3, 4 < x ≤ 7 ⎪⎩0, x > 7

Pada suatu level, α, x akan mempunyai dua nilai yang berbeda yaitu:

⎧0, E 6 ≤ 7 ⎪ ⎪(E 6 - 7)/4, 7 < E 6 ≤ 11 ⎪ µE6 = ⎨(13 - E 6 )/2, 11 < E 6 ≤ 11.44 ⎪(20 − E ) / 11, 11.44 < E ≤ 20 6 6 ⎪ ⎪⎩0, E 6 > 20

α = (x1-2)/2 = (7-x2)/3 or x1 = 2α +2 and x2 = 7 - 3α Menggunakan α-cut, penjumlahan E1 dan D12 akan menghasilkan: E2(E2*,E2**) = (0+2α+2,0+73α) = E2(2α+2,7-3α) yang bila diinversikan akan menghasilkan:

Secara grafis, fungsi keanggotaan E6 disajikan dalam Gambar 11. Dengan cara yang sama, E9 dapat diperoleh. Early finish proyek adalah E9+D910 yang didefinisikan:

α = (E2*-2)/2 = (7-E2**)/3. Fungsi keanggotan E2 didefinisikan sebagai

⎧0, E 10 ≤ 19 ⎪ ⎪(E 10 - 19)/6, 19 < E 10 ≤ 25 µE10 = ⎪⎨(29 - E 10 )/4, 25 < E 10 ≤ 25 .88 ⎪( 43 − E ) / 22 , 25.88 < E ≤ 43 10 10 ⎪ ⎪⎩0, E 10 > 43

⎧0, E 2 ≤ 2 ⎪ ⎪(E 2 - 2)/2, 2 < E 2 ≤ 4 µE2 = ⎨ ⎪(7 - E 2 )/3, 4 < E 2 ≤ 7 ⎪⎩0, E 2 > 7

6


Karena ada tiga aktivitas yang bermuara di node 1 yaitu aktivitas 1-2,1-3, dan 1-4, L1 menjadi min (L2-D12, L3-D13, L4-D14). dengan menggunakan fuzzy min, L1 didefinisikan sebagai:

Early finish proyek disajikan secara grafis dalam Gambar 12. 1 0.9 0.8

⎧0, L1 ≤ −24 ⎪ ⎪⎪(L1 + 24)/28, - 24 < L1 ≤ −2.2 µL1 = ⎨(L1 + 10)/10, 0 < L1 ≤ 2.2 ⎪(24 − L ) / 28, 2.2 < L ≤ 24 1 1 ⎪ ⎪⎩0, L1 > 24

U(i-th day)

0.7 0.6 0.5

E6 E3+D36

0.4

E5+D56

0.3 0.2 0.1 0 5

7

9

11

13

15

17

19

21

i-th day

Tetapi karena L1 adalah didefinisikan ulang sebagai:

U(i-th day)

Gambar 11. Early Start E6

µL1

⎧(L1 + 10)/10, 0 < L1 ≤ 2.2 ⎪ µL1 = ⎨(24 − L1 ) / 28, 2.2 < L1 ≤ 24 ⎪0, L > 24 1 ⎩

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0

E10

15

20

25

30

35

40

Waktu Ambang Setelah diperoleh Ei dan Li untuk ∀(semua) i, waktu ambang masing-masing dapat ditentukan. Perhitungannya menyangkut operasi pengurangan menggunakan α-cut. Sebagai contoh, TF untuk aktivitas 6-9 ditentukan: untuk 0 ≤α≤0.78: TF6-9 = L9 – E6 – D69 = [19α17,24-28α] dan untuk 0.78 ≤α≤1.00: TF6-9=[10α10,10-10α] sehingga:

45

i-th day

Gambar 12. Early Finish Proyek Perhitungan Mundur Perhitungan mundur dilakukan dengan operasi pengurangan dan Fuzzy Min. Misal, latest start node 9 (L9) didefinisikan sebagai L9 = E10 – D910 di mana D910 didefinisikan sebagai:

⎧0, TF69 ≤ −17 ⎪ ⎪(TF69 + 17)/19, - 17 < TF69 ≤ −2.18 ⎪⎪(TF69 + 10)/10, - 2.18 < TF69 ≤ 0 µTF = ⎨ ⎪(10 − TF69 ) / 10, 0 < TF69 ≤ 2.2 ⎪(24 − TF69 ) / 28, 2.2 < TF69 ≤ 24 ⎪ ⎪⎩0, TF69 > 24

⎧0, D 910 ≤ 5 ⎪ ⎪D 910 - 5, 5 < D 910 ≤ 6 µD910 = ⎨ ⎪7 - D 910 6 < D 910 ≤ 7 ⎪0, D 910 > 7 ⎩

FF dan IF dapat dihitung dengan cara sama. Perbandingan dengan PERT

Dengan menggunakan α-cut, saat 0 ≤α≤0.78, L9 = (6α+19 – (α-7), 43-22α - (α+5) = (7α +12, 3823α). Saat 0.78 ≤α≤1.00, L9 = (6α+19 – (α - 7), 29 - 4α - (α+5) = (7α +12, 24- 5α) sehingga:

µL9 =

non-negatif,

Hasil yang diperoleh menunjukkan earliest finish proyek berada dalam kisaran 19 hari dan 43 hari dengan waktu yang paling mungkin adalah 25 hari. Semakin besar perbedaan suatu nilai dengan nilai ini akan semakin rendah derajat keanggotaannya. Sebagai contoh, posibilitas proyek selesai 23 hari adalah 0.67. Namun demikian posibilitas proyek selesai dalam waktu 27 hari adalah 0.73. Hasil ini berbeda dengan PERT di mana semakin besar suatu nilai dibandingkan terhadap meannya akan semakin besar pula probabilitasnya. Probabilitas tertinggi teoretis akan tercapai bila nilai tersebut adalah tak terhingga. Metoda FLASH mengasumsikan bahwa semua pekerjaan dilaksanakan dalam operasi dan kondisi

⎧0, L 9 ≤ 12 ⎪ ⎪(L 9 - 12)/7, 12 < L 9 ≤ 19 ⎪ ⎨(24 - L 9 )/5, 19 < L 9 ≤ 20.10 ⎪(38 − L ) / 23, 20.10 < L ≤ 38 9 9 ⎪ ⎪⎩0, L 9 > 38

Dengan cara yang sama L8,L7,L6,L5,L4,L3, dan L2 dapat diperoleh. Hal yang harus diingat yaitu nilai-nilai ini harus non-negatif sehingga bila ada di antaranya mempunyai nilai negatif maka nilai tersebut dapat diabaikan.

7


KESIMPULAN

yang sangat normal sehingga posibilitas untuk dapat lebih cepat atau lambat akan semakin rendah tergantung pada perbedaannya terhadap kondisi normal tersebut.

Tulisan ini menyajikan suatu alternatif metoda penjadwalan yang diberi nama Fuzzy Logic Application for Scheduling (FLASH). FLASH mengasumsikan bahwa durasi bersifat tidak pasti dan mengekspresikannya ke terminologi posibilitas dan bukan probabilitas sebagaimana digunakan dalam PERT. Ada beberapa perbedaan antara keduanya. Probabilitas didasarkan pada data historis yang dianalis secara statistik sementara posibilitas didasarkan pada pengamatan yang mungkin tidak akurat, tidak tepat, subjektif, dan intuitif tetapi masih dalam pertimbangan logis. Kondisi ini sebenarnya lebih sesuai menggambarkan kenyataan yang ada di mana data historis yang layak sering kali sulit diperoleh.

Apabila digunakan analisis PERT dengan mean dan varians waktu penyelesaian adalah 24.67 dan 0.78, probabilitas waktu penyelesaian kurang daripada 23 hari adalah 0.03 atau hanya 3%! Sementara probabilitas waktu penyelesaian kurang daripada 27 hari adalah 93.9% tetapi dengan jalur kritis 1-4-7-8-9-10 di mana mean dan variansnya adalah 23.33 dan 5.61 dan bukan jalur kritis yang sebenarnya, 13-6-9-10. Dengan mean dan varians sebesar 24.67 dan 0.78, probabilitas waktu penyelesaian kurang daripada 27 hari mencapai 99.6% !

Durasi aktivitas dalam FLASH dinyatakan dalam bilangan samar segitiga yang mencakup nilai batas bawah (l), paling mungkin (m) dan batas atas (u). Nilai yang paling mungkin mempunyai derajat keanggotaan tertinggi yaitu 1.0. Semakin jauh perbedaan suatu nilai dengan nilai ini akan mempunyai derajat keanggotaan yang lebih rendah. Karena FLASH menggunakan bilangan samar, maka operasi aljabarnya berbeda dengan bilangan nyata. Ada beberapa prosedur perhitungan di dalamnya.

1 0.9 L9

0.7

L8

0.6

L7

0.5

L4

0.4

L6

0.3

L3

0.2

L5

U(i-th day)

0.8

0.1 0 -15 -10

-5

0

5

10

15

20

25

30

35

40

45

i-th day

Gambar 13 Latest Start L3,L4,L5,L6,L7,L8,L9

FLASH memperhitungkan semua jalur dalam menentukan waktu penyelesaian proyek (total durasi proyek) karena FLASH mengasumsikan bahwa semua jalur mempunyai kontribusi yang sama terhadap total durasi.

1

0.9 0.8

U(i-th day)

0.7 0.6

REFERENCES

L1

0.5

L4-D14

0.4

L3-D13

1. Ahuja, Hira N., et al., Project Management: Technique in Planning and Controlling Construction Projects, John Wiley&Sons, Canada, 1994.

0.3

L2-D12 0.2

0.1 0 -25

-20

-15

-10

-5

0

5

10

15

20

25

30

35

40

i-th day

2. Hwang, Ching Lai and Chen, Shu-Jen, Fuzzy Multiple Attribute Decision-Making: Methods and Applications, Springer-Verlag, Berlin, 1992.

U(Days)

Gambar 14. Latest Start L1

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0

3. Hwang, Ching Lai and Yoon, Kwangsun, Multiple Attribute Decision-Making: Methods and Applications, Springer-Verlag, Berlin, 1981.

TF FF IF

0

5

10

15

20

25

4. Soemardi, Biemo. W. dan Wibowo, Andreas, 1998, Model Produktivitas Pemasangan Pelat Struktur Beton Pracetak pada Konstruksi Gedung dengan Menggunakan Konsep Samar, Jurnal Teknik Sipil ITB, Vol. 5 no. 3 Juli 1998: 125-132.

30

Days

Gambar 15. TF,FF,IF Aktivitas 6-9

8

ALTERNATIF METODA PENJADWALAN PROYEK KONSTRUKSI MENGGUNAKAN TEORI SET SAMAR

Recommend Documents